土壤有机碳（Soil Organic Carbon,SOC）和全氮（Total Nitrogen,TN）是衡量土壤肥力与健康水平的重要指标，其比值（C/N）能够反映土壤养分平衡状态，对农业可持续生产和生态系统稳定性具有重要意义。然而，如何在区域尺度上同时实现SOC与TN的高精度遥感制图，并准确揭示C/N的空间分布规律，仍面临较大挑战。

针对上述问题，中国科学院东北地理与农业生态研究所农业遥感学科组的研究人员，以黑土区典型农场——友谊农场为研究对象，利用该区域全部可获取的多时相Sentinel-2影像和环境协变量（地形与气候），结合递归特征消除（RFE）方法筛选最优特征，构建随机森林模型，首次实现了东北典型黑土区10 m空间分辨率C/N的高精度遥感制图。

研究结果显示，多时相影像显著提升了SOC与TN预测精度，相较单时相数据，SOC的决定系数（R²）提高至0.604，TN提高至0.565。RFE方法在去除冗余特征、优化模型性能方面效果显著，使SOC和TN的预测精度分别提升了0.035和0.040。波段敏感性分析表明，SOC预测最依赖Sentinel-2的B2（蓝光）和B3（绿光）波段，而TN预测对B11和B12（短波红外）最为敏感。C/N空间分布图揭示出显著的区域差异：SOC与TN在东北部含量较高，而C/N在西部偏高、东北部偏低；旱田C/N显著高于水田，主要原因是水田氮素积累速度较快，导致C/N下降。该成果为黑土区耕地养分平衡监测和精准施肥管理提供了重要科学依据，也为面向农业可持续发展的土壤质量评估提供了技术范例。

图1. 友谊农场10 m空间分辨率SOC、TN及C/N空间分布

相关成果发表在农林科学领域1区Top期刊Soil and Tillage Research上，由联合培养硕士研究生孔德飘（第一作者）、罗冲助理研究员（通讯作者）和刘焕军研究员共同完成。本研究得到了国家自然科学基金（42401460）和国家重点研发计划（2021YFD1500100）资助。

论文信息及链接如下：

Kong,D.,Luo,C.*& Liu,H. (2026). Integrative remote sensing and machine learning approaches for SOC and TN spatial distribution: Unveiling C:N ratio in Black Soil region. Soil and Tillage Research, 255,106809.

https://authors.elsevier.com/a/1lblFc13yd5bk.